通过贝叶斯网络从生物系统观测数据中进行的因果查询：小网络中的实证研究
定量方法
2018-05-07 v1 分子网络
应用统计
机器学习
摘要
生物网络是一种非常方便的建模与可视化工具，用于从现代高通量基因组学和后基因组学数据集中发现知识。事实上，生物实体并非孤立存在，而是复杂多层次系统的组成部分。我们更进一步，倡导考虑生命系统中相互作用的因果表示。我们提出因果形式体系，并在观测数据下的生物网络背景中将其阐明。我们还讨论了其在解读基因表达中观察到的因果信息流的能力。我们还通过对小型模拟网络以及真实生物数据集的实验来说明我们的探索。
引用
@article{arxiv.1805.01608,
title = {Causal Queries from Observational Data in Biological Systems via Bayesian Networks: An Empirical Study in Small Networks},
author = {Alex White and Matthieu Vignes},
journal= {arXiv preprint arXiv:1805.01608},
year = {2018}
}
备注
This chapter will appear in the forthcoming book "Gene Regulatory Networks: Methods and Protocols", published by Springer Nature